【技术实现步骤摘要】
本专利技术涉及无线通信网络的，特别涉及一种基于长短期记忆和注意力的分簇方法及系统。
技术介绍
1、下一代无线通信网络面临的最关键挑战之一是需要支持各种各样新的应用，如增强现实、3d全息远程呈现和工业机器人技术等。在这种需求背景下，b5g无线网络能够通过系统资源的动态分配提供增强的灵活性，同时实现感知到的零延迟愿景，以确保向6g无线网络的平稳过渡。为了满足上述需求，网络部署将越来越密集是一项十分有前景的技术，由于无小区网络(cell-free network)能提供6g所需的高频谱效率，将密集部署与无小区网络相结合，能给未来的6g网络提供极高灵活性同时满足下一代无线网络中的各种挑战。
2、开放式无线接入网(open radio access network，o-ran)相应的标准正在将接入网转变为开放、智能、虚拟化和完全可互操作的架构，这种模式为无小区网络带来了所需的灵活性和智能控制机会。目前，关于无小区无线网络的研究工作大多基于集中式中央处理单元，这种架构的基本假设是网络中存在单个或多个中央处理单元，它们通过前向回传链路与分...
【技术保护点】
1.一种基于长短期记忆和注意力的分簇方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于长短期记忆和注意力的分簇方法，其特征在于，所述利用所述云端计算平台对所述负载因子和若干个无线电单元O-RU的信道状态信息进行预处理，包括：
3.根据权利要求1所述的基于长短期记忆和注意力的分簇方法，其特征在于，所述谱效预测模型包括嵌入层、注意力网络层、长短期记忆网络层和激活函数层，所述嵌入层的输出端连接注意力网络层的输入端，注意力网络层的输出端连接长短期记忆网络层的输入端，长短期记忆网络层的输出端连接激活函数层。
4.根据权利要求3所述...
【技术特征摘要】
1.一种基于长短期记忆和注意力的分簇方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于长短期记忆和注意力的分簇方法，其特征在于，所述利用所述云端计算平台对所述负载因子和若干个无线电单元o-ru的信道状态信息进行预处理，包括：
3.根据权利要求1所述的基于长短期记忆和注意力的分簇方法，其特征在于，所述谱效预测模型包括嵌入层、注意力网络层、长短期记忆网络层和激活函数层，所述嵌入层的输出端连接注意力网络层的输入端，注意力网络层的输出端连接长短期记忆网络层的输入端，长短期记忆网络层的输出端连接激活函数层。
4.根据权利要求3所述的基于长短期记忆和注意力的分簇方法，其特征在于，所述将所述m个无线电单元o-ru的信道状态信息作为预训练的基于长短期记忆和注意力的谱效预测模型的输入，由所述谱效预测模型输出用户设备ue的频谱效率，包括：
5.根据权利要求4所述的基于长短期记忆和注意力的分簇方法，其特征在于，所述长短期记忆网络层包括第一单向长短期记忆网络、正则化层和第二单向长短期记忆网络，所述注意力网络层的输出端连接第一单向长短期记忆网络的输入端，第一单向长短期记忆网络的输出端连接正则化层的输入端，正则化层的输出端连接第二单向长短期记忆网络的输入端，第二单向长短期...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。